一种城市动态路径行程时间预测方法

1. 一种城市动态路径行程时间预测方法，其特征在于，包括W下步骤： 步骤一:创建基于浮动车数据的历史交通模式； 步骤二:创建默认交通模式，分别为不同时间维和空间维的路段定义道路拥堵级别，同 时设定历史交通模式权值α和默认交通模式权值β; 步骤Ξ:设置交通参数，依据设置的交通参数查找满足条件的历史交通模式和默认交 通模式，确定路段的拥堵级别，从而获得路段的平均速度； 步骤四：读取实时交通参数，根据实时交通参数调整历史交通模式权值α和默认交通模 式权值β，定义交通模式的最小支持度阔值X和最小可信度阔值S; 步骤五:根据设置的交通参数，产生m条候选路径，用户根据需要从候选路径中选择一 条最佳路径，加权计算最佳路径基于历史交通模式的路径行程时间化和加权计算最佳路径 基于默认交通模式的路径行程时间Tr，然后根据两个加权数据计算最佳路径的预测行程时 间T，计算公式为:T = aTh+机r，其中，α和β采用经过步骤四调整后的值； 步骤六:如果在行车过程中发生了突发交通事故或临时交通管制，需要调整最佳路径 的实时权值和交通模式，则重新选择最佳路径，并预测剩下路径行程时间。
2. 根据权利要求1所述的城市动态路径行程时间预测方法，其特征在于，所述交通参数 至少包括车辆出行的起点、终点、出行时刻、出行日期、天气状况和是否突发交通事故和临 时交通管制。
3. 根据权利要求2所述的城市动态路径行程时间预测方法，其特征在于，所述历史交通 模式的具体创建方法如下： 1-1)定义时空维:时间维分为年、季节、月、星期、小时、半小时;空间维分为路段链； 1-2)将道路通行级别分为10级： 平均速度为0~5km/h定义为9级； 平均速度为6~lOkm/h定义为8级； 平均速度为11~15km/h定义为7级； 平均速度为16~20km/h定义为6级； 平均速度为21~25km/h定义为5级； 平均速度为26~30km/h定义为4级； 平均速度为31~35km/h定义为3级； 平均速度为36~40km/h定义为2级； 平均速度为40~60km/h定义为1级； 平均速度为大于60km/h定义为0级； 1-3)定义城市道路网络为一个无向带权图6=(¥，6,9)，其中：¥是顶点的集合，6是边的 集合，城市道路网络中的每个交叉路口即为无向带权图中的一个顶点，用m表示，mev，并 对每个顶点进行编号，城市道路网络中的一条路段e即为无向带权图中的一条边，用一个二 元组(m，nj)表示，e e E，m，nj表示路段e的结点，m E V，nj e V，Q为正的实数集合，表示路段 所对应的长度； 1-4)定义路段链历史交通模式为5了？：（胖，11方，1^111，~），0，1?，5,〇，其中胖表示星期几， 值为1~7; TI为时间索引，值为1~48,分别表示一天的每半小时； Η代表是否为假期，值为ο和1，1表示假期，ο表示工作日； L(m，nj)为路段链;D为方向，值为0和1，0表示起点编号大于终点编号，1表示起点编号 小于终点编号； R为道路通行级别，值为0~9; S为支持度，S定义为出行日期所在月份中，满足Η的天数占当月总天数的百分比，且S大 于最小支持度阔值X; C为可信度，C定义为当月中时间索引ΤΙ，并且拥堵级别为R的天数占当月满足Η的天数 的百分比，且C大于最小可信度阔值δ; 所述路段链的有效历史交通模式为：if工作日/假期&时间&路段链&方向&支持度为S& 可信度为C then道路通行级别为R; 1-5)定义路段链的时空交叉模式CSTP，指一段时间范围内，两路段链间的时空模式关 系，包含两个空间信息和一个时间信息； 计算两路段链相关性:防^，8)=?^)八？(8)/?^冲(8)，其中，？^)表示路段链4发生 交通拥堵的次数，P(B)表示路段链B发生拥堵的次数，Ρ(Α)ΛΡ(Β)表示A和B在一段时间范围 内同时发生拥堵的次数，如果相关性值大于1，则为正相关，指车流的状态由前驱路段链向 后转移的趋势;如果相关性值小于1，则为负相关，指两路段链相互独立。
4. 根据权利要求3所述的城市动态路径行程时间预测方法，其特征在于，步骤六所述的 重新选择最佳路径指重新选择与当前路段A相邻且负相关的路段B，即满足Co(A，B)5. 根据权利要求2所述的城市动态路径行程时间预测方法，其特征在于，所述默认交通 模式的创建方法如下： 由交通管理部口或专家创建默认交通模式为路段链模式STP' ：（W'，ΤΓ，H'，L(m，nj) '， D'，R'，S'，C'）； 其中:W'表示星期几，值为1~7; ΤΓ为时间索引，值为1~48,分别表示一天的每半小时； Η '代表是否为假期，值为0和1，1表示假期，0表示工作日； L(m，w)'为路段链； D'为方向，值为0和1，0表示起点编号大于终点编号，1表示起点编号小于终点编号； R'为道路通行级别，值为0~9; S '和C '的取值分别取最小支持度阔值X和最小可信度阔值δ; 所述默认交通模式即为：if工作日/假期&时间&路段链&方向&支持度为Χ&可信度为δ then道路通行级别为R'。
6. 根据权利要求2所述的城市动态路径行程时间预测方法，其特征在于，所述历史交通 模式权值α和默认交通模式权值的馬足:α e [0，1 ]，β e [0，1 ]且α+β = 1，最小支持度阔值X和 最小可信度阔值δ满足:xe [0,1]，5e [0,1]。
7. 根据权利要求2所述的城市动态路径行程时间预测方法，其特征在于，所述历史交通 模式权值α和默认交通模式权值β的调整方法如下： 依据1: if浮动车稀少thena = a-5%，0 = 0巧％ ; 依据2: if恶劣天气thena = a+5%，β = β-5% ; 依据3: if缺乏匹配的历史交通模式thena = 〇 ,β= 1; 依据4: if缺乏默认交通模式thena = 1 ,β = 〇; 所述浮动车稀少是指历史数据库中路段链上浮动车覆盖率低于3%;所述恶劣天气是 指气象学上所指的发生突然、移动迅速、天气剧烈、破坏力极大的严重影响交通出行的灾害 性天气。
8. 根据权利要求2所述的城市动态路径行程时间预测方法，其特征在于，加权计算基于 历史交通模式的路径行程时间的方法为： 对于每条候选路径，根据设置的交通参数结合候选路径中的路段链，查找匹配的历史 交通模式，进一步获得该候选路径的所有路段链的道路拥堵级别； 再根据路段链的道路拥堵级别获得相应的路段链的车辆平均行驶速度VI，最后计算出 每条路段链i的行程时间ti = k/vi，则基于历史交通模式的路径行程时间Th为 为路段链i的距离，η为一条候选路径中路段链的条数；
加权计算基于默认交通模式的路径行程时间的方法为： 对于每条候选路径，根据设置的交通参数结合候选路径中的路段链，查找匹配的默认 交通模式，进一步获得该候选路径的所有路段链的道路拥堵级别，再根据路段链的道路拥 堵级别获得相应的路段链的车辆平均行驶速度Υ/ 1; 最后计算出每条路段链i的行程时间= 1，则基于默认交通模式的路径行程时 间Td为：
η为一条候选路径中路段链的条数。
9. 根据权利要求8所述的城市动态路径行程时间预测方法，其特征在于，加权计算基于 历史交通模式、默认交通模式的路径行程时间中所述的相应路段链的车辆平均行驶速度是 指：定义每一道路拥堵级别车辆的平均行驶速度为道路拥堵级别的平均速度范围的中间 值，具体为： 9级拥堵级别车辆的平均行驶速度为2.5km/h; 8级拥堵级别车辆的平均行驶速度为8km/h; 7级拥堵级别车辆的平均行驶速度为13km/h; 6级拥堵级别车辆的平均行驶速度为16km/h; 5级拥堵级别车辆的平均行驶速度为23km/h; 4级拥堵级别车辆的平均行驶速度为28km/h; 3级拥堵级别车辆的平均行驶速度为33km/h; 2级拥堵级别车辆的平均行驶速度为38km/h; 1级拥堵级别车辆的平均行驶速度为50km/h; 0级拥堵级别车辆的平均行驶速度定义为60km/h。

一种城市动态路径行程时间预测方法\n技术领域\n[0001] 本发明涉及一种城市动态路径行程时间预测方法，属于道路交通技术领域。\n背景技术\n[0002] 在智能交通研究领域，如何提高交通服务水平，许多国家和地区已经开展了城市 道路行程时间预测的研究，并已成为国际研究的热点之一。目前已有的行程时间预测方法 主要侧重于静态路径的行程时间预测。\n[0003] 现有的城市路径行程时间预测方法预测精度不高，如果能够将现有的预测方法进 行一定的融合，形成交通规则，在预测过程中考虑各种交通特征，动态调整各种交通事件对 行程时间影响的权值，将大大提高车辆行程时间预测的精度。\n发明内容\n[0004] 本发明的目的在于提供一种城市动态路径行程时间预测方法，能有效挖掘浮动车 数据，可以对城市路径的行程时间进行预测，从而引导车辆合理选择出行路线。\n[0005] 为达到上述目的，本发明所采用的技术方案是:一种城市动态路径行程时间预测 方法，包括以下步骤：\n[0006] 步骤一:创建基于浮动车数据的历史交通模式；\n[0007] 步骤二:创建默认交通模式，分别为不同时间维和空间维的路段定义道路拥堵级 另IJ，同时设定历史交通模式权值α和默认交通模式权值β;\n[0008] 步骤三:设置交通参数，依据设置的交通参数查找满足条件的历史交通模式和默 认交通模式，确定路段的拥堵级别，从而获得路段的平均速度；\n[0009] 步骤四：读取实时交通参数，根据实时交通参数调整历史交通模式权值α和默认交 通模式权值β，定义交通模式的最小支持度阈值X和最小可信度阈值δ ;\n[0010] 步骤五:根据设置的交通参数，产生m条候选路径，用户根据需要从候选路径中选 择一条最佳路径，加权计算最佳路径基于历史交通模式的路径行程时间T h和加权计算最佳 路径基于默认交通模式的路径行程时间Tr，然后根据两个加权数据计算最佳路径的预测行 程时间T，计算公式为:TiTh+mV，其中，α和β采用经过步骤四调整后的值；\n[0011]步骤六:如果在行车过程中发生了突发交通事故或临时交通管制，需要调整最佳 路径的实时权值和交通模式，则重新选择最佳路径，并预测剩下路径行程时间。\n[0012] 进一步的，所述交通参数至少包括车辆出行的起点、终点、出行时刻、出行日期、天 气状况和是否突发交通事故和临时交通管制。\n[0013] 进一步的，所述历史交通模式的具体创建方法如下：\n[0014] 1-1)定义时空维：时间维分为年、季节、月、星期、小时、半小时；空间维分为路段 链；\n[0015] 1-2)将道路通行级别分为10级：\n[0016] 平均速度为0~5km/h定义为9级；\n[0017] 平均速度为6~lOkm/h定义为8级；\n[0018] 平均速度为11~15km/h定义为7级；\n[0019] 平均速度为16~20km/h定义为6级；\n[0020] 平均速度为21~25km/h定义为5级；\n[0021] 平均速度为26~30km/h定义为4级；\n[0022] 平均速度为31~35km/h定义为3级；\n[0023] 平均速度为36~40km/h定义为2级；\n[0024] 平均速度为40~60km/h定义为1级；\n[0025] 平均速度为大于60km/h定义为0级；\n[0026] 1-3)定义城市道路网络为一个无向带权图6=(¥3,〇)，其中：¥是顶点的集合4是 边的集合，城市道路网络中的每个交叉路口即为无向带权图中的一个顶点，用m表示，me V，并对每个顶点进行编号，城市道路网络中的一条路段e即为无向带权图中的一条边，用一 个二元组(m，nj)表示，eeE，m，nj表示路段e的结点，meV，njeV，Q为正的实数集合，表示 路段所对应的长度；\n[0027] 1-4)定义路段链历史交通模式为5了？：（1，1'1，!1丄(出，11」），0，1?，5,〇，其中1表示星 期几，值为1~7;\n[0028] TI为时间索引，值为1~48,分别表示一天的每半小时；\n[0029] Η代表是否为假期，值为0和1，1表示假期，0表示工作日；\n[0030] L(m，nj)为路段链;D为方向，值为0和1，0表示起点编号大于终点编号，1表示起点 编号小于终点编号；\n[0031] R为道路通行级别，值为0~9;\n[0032] S为支持度，S定义为出行日期所在月份中，满足Η的天数占当月总天数的百分比， 且S大于最小支持度阈值X;\n[0033] C为可信度，C定义为当月中时间索引ΤΙ，并且拥堵级别为R的天数占当月满足Η的 天数的百分比，且C大于最小可信度阈值δ;\n[0034] 所述路段链的有效历史交通模式为：if工作日/假期&时间&路段链&方向&支持度 为S&可信度为C then道路通行级别为R;\n[0035] 1-5)定义路段链的时空交叉模式CSTP，指一段时间范围内，两路段链间的时空模 式关系，包含两个空间信息和一个时间信息；\n[0036] 计算两路段链相关性:0)以，8)=?以）八？(8)/?以汗(8)，其中，？以)表示路段链八 发生交通拥堵的次数，P(B)表示路段链B发生拥堵的次数，Ρ(Α)ΛΡ(Β))表示A和B在一段时 间范围内同时发生拥堵的次数，如果相关性值大于1，则为正相关，指车流的状态由前驱路 段链向后转移的趋势;如果相关性值小于1，则为负相关，指两路段链相互独立。\n[0037] 进一步的，步骤六所述的重新选择最佳路径指重新选择与当前路段A相邻且负相 关的路段B，即满足Co(A，B)〈l。\n[0038] 进一步的，所述默认交通模式的创建方法如下：\n[0039]由交通管理部门或专家创建默认交通模式为路段链模式STP' ：（W'，ΤΓ，H'，L(m， nj)'，D'，R'，S'，C'）；\n[0040] 其中:W'表示星期几，值为1~7;\n[0041] ΤΙ'为时间索引，值为1~48,分别表示一天的每半小时；\n[0042] Η'代表是否为假期，值为0和1，1表示假期，0表示工作日；\n[0043] L(m，r^)'为路段链；\n[0044] D'为方向，值为0和1，0表示起点编号大于终点编号，1表示起点编号小于终点编 号；\n[0045] R'为道路通行级别，值为0~9;\n[0046] S'和C'的取值分别取最小支持度阈值X和最小可信度阈值δ;\n[0047] 所述默认交通模式即为：if工作日/假期&时间&路段链&方向&支持度为x&可信度 为3then道路通行级别为R'。\n[0048] 进一步的，所述历史交通模式权值α和默认交通模式权值β满足:αε[0，1]，βε[0， 1 ]且α+β = 1，最小支持度阈值X和最小可ί目度阈值δ满足:xe [0，1]，δε[0，1]。\n[0049] 进一步的，所述历史交通模式权值α和默认交通模式权值邱勺调整方法如下：\n[0050] 依据 1: if浮动车稀少thena = a-5%，β = β+5% ;\n[0051 ]依据2: if恶劣天气thena = a+5%，β = β-5% ;\n[0052] 依据3: if缺乏匹配的历史交通模式thena = 〇，0=l;\n[0053] 依据4: if缺乏默认交通模式thena = l，β = 〇;\n[0054] 所述浮动车稀少是指历史数据库中路段链上浮动车覆盖率低于3 %;所述恶劣天 气是指气象学上所指的发生突然、移动迅速、天气剧烈、破坏力极大的严重影响交通出行的 灾害性天气。\n[0055] 进一步的，所述加权计算基于历史交通模式的路径行程时间的方法为：\n[0056] 对于每条候选路径，根据设置的交通参数结合候选路径中的路段链，查找匹配的 历史交通模式，进一步获得该候选路径的所有路段链的道路拥堵级别；\n[0057] 再根据路段链的道路拥堵级别获得相应的路段链的车辆平均行驶速度Vl，最后计 算出每条路段链i的行程时间，则基于历史交通模式的路径行程时间T h为：\n:，1^为路段链i的距离，η为一条候选路径中路段链的条数；\n[0058]加权计算基于默认交通模式的路径行程时间的方法为：\n[0059] 对于每条候选路径，根据设置的交通参数结合候选路径中的路段链，查找匹配的 默认交通模式，进一步获得该候选路径的所有路段链的道路拥堵级别，再根据路段链的道 路拥堵级别获得相应的路段链的车辆平均行驶速度^'；\n[0060] 最后计算出每条路段链i的行程时间ti' =Li/Vi'，则基于默认交通模式的路径行 程时间Td为：\n，n为一条候选路径中路段链的条数。\n[0061] 进一步的，加权计算基于历史交通模式、默认交通模式的路径行程时间中所述的 相应路段链的车辆平均行驶速度是指:定义每一道路拥堵级别车辆的平均行驶速度为道路 拥堵级别的平均速度范围的中间值，具体为：\n[0062] 9级拥堵级别车辆的平均行驶速度为2.5km/h;\n[0063] 8级拥堵级别车辆的平均行驶速度为8km/h;\n[0064] 7级拥堵级别车辆的平均行驶速度为13km/h;\n[0065] 6级拥堵级别车辆的平均行驶速度为16km/h;\n[0066] 5级拥堵级别车辆的平均行驶速度为23km/h;\n[0067] 4级拥堵级别车辆的平均行驶速度为28km/h;\n[0068] 3级拥堵级别车辆的平均行驶速度为33km/h;\n[0069] 2级拥堵级别车辆的平均行驶速度为38km/h;\n[0070] 1级拥堵级别车辆的平均行驶速度为50km/h;\n[0071 ] 0级拥堵级别车辆的平均行驶速度定义为60km/h。\n[0072]与现有技术相比，本发明所达到的有益效果是:基于周期模式，着眼于交通信息采 集设备的交通数据，利用现有资源挖掘二次信息，依据不同时段、不同季节、不同天气构造 不同的交通规则，更加符合大部分城市人们的出行习惯，易于在大中型城市中推广应用;充 分考虑了天气、节假日、早晚高峰期等密切相关的因素，预测方法简单易行、运行条件容易 满足，可以对城市动态路径的行程时间进行预测，从而引导车辆合理选择出行路线，有效缓 解城市交通拥堵;结合了实时交通事件，采用历史行程时间与默认交通规则相结合的方式 预测行程时间，定义了加权计算的权值，提高了预测行程时间的准确性。本发明预测方法可 应用于实时动态导航系统中。\n附图说明\n[0073]图1是本发明的操作流程图。\n具体实施方式\n[0074] 下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明 的技术方案，而不能以此来限制本发明的保护范围。\n[0075] 本发明的基于浮动车数据的城市路径行程时间预测方法，如图1所示，包括以下步 骤：\n[0076] 步骤一:采用数据挖掘的方法，创建基于浮动车数据的历史交通模式和历史交通 规则；\n[0077] 为了得到行程时间预测的交通模式和交通规则，需要给出时空维、道路网络和交 通模式的定义，分别为：\n[0078] 1)定义时空维，时间维分为"年"、"季节"、"月"、"星期"、"小时"、"半小时"；空间维 分为路段链。\n[0079] 然后将道路拥堵级别分为10级：\n[0080] 平均速度为0~5km/h定义为9级；\n[0081] 平均速度为6~10km/h定义为8级；\n[0082] 平均速度为11~15km/h定义为7级；\n[0083] 平均速度为16~20km/h定义为6级；\n[0084] 平均速度为21~25km/h定义为5级；\n[0085] 平均速度为26~30km/h定义为4级；\n[0086] 平均速度为31~35km/h定义为3级；\n[0087] 平均速度为36~40km/h定义为2级；\n[0088] 平均速度为40~60km/h定义为1级；\n[0089] 平均速度为大于60km/h定义为0级，即交通畅通。每级的平均速度可以由交通管理 部门或专家定义。\n[0090] 2)定义城市道路网络为一个无向带权图G=(V，E，Q)，其中:V是顶点的集合，E是边 的集合，城市道路网络中的每个交叉路口即为无向带权图中的一个顶点，用m表示，mev， 并对每个顶点进行编号，城市道路网络中的一条路段e即为无向带权图中的一条边，用一个 二元组(m，nj)表示，eeE，m，nj表示路段e的结点，meV，njeV，Q为正的实数集合，表示路 段所对应的长度。\n[0091] 3)定义路段链历史交通模式为5了？：（1，11，!1丄(取，11」），0，1?，5,〇。其中 :1表示星期 几，值为1~7;\n[0092] TI为时间索引，值为1~48,分别表示一天的每半小时；\n[0093] Η代表是否为假期，值为0和1，1表示假期，0表示工作日；\n[0094] Urn，!!」)为路段链；\n[0095] D为方向，值为0和1，0表示起点编号大于终点编号，1表示起点编号小于终点编号；\n[0096] R为道路通行级别，值为0~9;\n[0097] S为支持度，S定义为出行日期所在月份中，满足Η的天数占当月总天数的百分比， 且S大于最小支持度阈值X;\n[0098] C为可信度，C定义为当月中时间索引ΤΙ，并且拥堵级别为R的天数占当月满足Η的 天数的百分比，且C大于最小可信度阈值δ。\n[0099] 例如2014年3月3日星期一上午8:30(工作日，对应索引号为16)，支持度(3月31天， 21天为工作日）3 = 21/31\100%=67.74%，假定路段链1^，方向0,2014年3胶通拥堵层次 〇的情况 10次，则可信度C=10/21 X 100% =47.61%，假定χ = 65%，δ = 45%。\n[0100] 所述路段链的有效历史交通模式为：if工作日/假期&时间&路段链&方向&支持度 为S&可信度为C then道路通行级别为R;\n[0101] 4)定义路段链的时空交叉模式CSTP:指一段时间范围内，两路段链间的时空模式 关系，包含两个空间信息和一个时间信息。CSTP由交叉路段链的两个交通序列构成，交叉路 段链可能是相互关联，也可能是相互独立的，因此交叉路段链的相关性可能是正相关，也可 能是负相关。正相关性指车流的状态由前驱路段链向后转移的趋势。负相关性指两路段链 相互独立。两路段链相关性的值可定义为(： 〇以，8)=?以）八？(8)斤以汗(8)，其中？以)表示 路段链A发生交通拥堵的次数，P(B)表示P(B)发生拥堵的次数，Ρ(Α)ΛΡ(Β)表示A和B在一段 时间范围内同时发生拥堵的次数。如果相关性值大于1，则为正相关，如果相关性值小于1， 则为负相关。\n[0102] 例如，依据交通状态等级定义，平均速度不大于25km/h即为交通拥堵，假定用二进 制的〇，1表示(0表示道路畅通，1表示道路拥堵），因此根据CSTP，计算出两路段链的相关性。 路段链A，路段链B在2009年3月2日工作日星期一从6:00至18:00的拥堵分别编码分别为序 列 A:00111 10101 11111 11011 1111，序列B:00011 11111 11111 00001 OOOOXSTP 模式 的支持度Sab=11/24 = 0.4583;相关度Co(A，B) =0.4583/( (20/24) X (13/24)) = 1.015。因 此路段链A、B具有正相关性。\n[0103] 步骤二：由交通管理部门或专家创建默认交通模式，分别为不同时间维和空间维 的路段定义道路拥堵级别，级别越高越拥堵，同时设定历史交通规则权值α和默认交通规则 权值β以及定义交通模式的最小支持度阈值X和最小可信度阈值δ。\n[0104] 由于行程时间受很多因素影响，诸如，事故、天气、驾驶行为习惯，因此仅仅依靠历 史交通模式(假期、工作日、周末等)预测行程时间是不准确的，需要结合实时交通事件，采 用历史行程时间与默认交通规则相结合的方式预测行程时间，因此需要定义加权计算的权 值，这样预测行程时间可以获得更高的准确性。要求:历史交通模式权值α和默认交通模式 权值0满足:〇£[0，1]，0£[0，1]且(1+0=1，最小支持度阈值乂和最小可信度阈值5满足 :乂£ [0，1 ]，δ e [ 0，1 ]。如:X和δ的初始值可以分别为〇 · 70、0 · 70。\n[0105] 采用与历史交通模式相同的定义方法，定义默认路段链交通模式为STP'：（W'， ΤΙ，，H，，L(m，nj)，，D，，R，，S，，C，）。\n[0106] 其中:W'表示星期几，值为1~7;\n[0107] ΤΙ'为时间索引，值为1~48,分别表示一天的每半小时；\n[0108] Η'代表是否为假期，值为0和1，1表示假期，0表示工作日；\n[0109] L(m，nj)'为路段链;D'为方向，值为0和1，0表示起点编号大于终点编号，1表示起 点编号小于终点编号；\n[0110] R'为道路通行级别，值为0~9;\n[0111] S'和C'的取值分别取最小支持度阈值X和最小可信度阈值δ;\n[0112] 默认交通模式即为：if工作日/假期&时间&路段链&方向&支持度为χ&可信度为δ then道路通行级别为R'。\n[0113] 例如，STP' ：（1,16，0，L(700,705)，1，3,0· 70,0.70)，含义为（星期一，8:00,工作 日，路段链L(700,705)，方向为结点700至结点705行驶，道路通行级别3级，支持度为0.70， 可信度为〇. 70)，即为：if工作日&8:00&路段链L(700，705)&方向为结点700至结点705行驶& 支持度为0.70&可信度为0.70then路段通行级别为3级。\n[0114] 步骤三:设置交通参数，至少包括车辆出行的起点、终点、出行时刻、出行日期、天 气状况和是否突发交通事故和临时交通管制等，依据设置的交通参数查找满足条件的历史 交通模式和默认交通模式，确定路段的拥堵级别，从而获得路段的平均速度。具体为：\n[0115]根据出行起点和终点，获得几条候选路径，分别对应一系列路段链；\n[0116]根据出行时刻，可以计算出时间索引；\n[0117]根据出行日期，确定星期几，是否工作日；\n[0118]根据天气状况、是否突发交通事故和临时交通管制，调整历史交通模式和默认交 通模式的权值。\n[0119] 步骤四：读取实时交通参数，根据实时交通参数调整历史交通模式权值α和默认交 通模式权值β，如天气状况、浮动车的数量，历史交通模式权值α和默认交通模式权值β的调 整方法具体如下：\n[0120] 依据 1: if浮动车稀少thena = a-5%，β = β+5% ;\n[0121 ]依据2: if恶劣天气thena = a+5%，β = β-5% ;\n[0122] 依据3: if缺乏匹配的历史交通模式thena = 〇，0=l;\n[0123] 依据4: if缺乏默认交通模式thena = l，β = 〇;\n[0124]其中，浮动车稀少是指历史数据库中路段上浮动车覆盖率低于3%。浮动车一般是 指安装了车载GPS定位装置的公交车和出租车。浮动车覆盖率指行驶车辆中设置为浮动车 的比率。浮动车的覆盖率是历史交通数据的系统参数，如果城市道路网上浮动车的覆盖率 达到3%~5%，采集频率1次/分钟，上传频率1次/5分钟，准确度可以达到95%，可以满足实 时应用的要求，无需调整历史交通规则权值和默认交通规则权值，采集频率指定期记录车 辆位置、方向、速度信息的频率;上传频率指浮动车位置数据通过无线通讯定期传输到信息 处理中心的频率。恶劣天气是指气象学上所指的发生突然、移动迅速、天气剧烈、破坏力极 大的严重影响交通出行的灾害性天气，如大雨、大雪、大风、冰雹等严重影响交通出行的天 气。\n[0125] 步骤五:根据设置的交通参数，产生m条候选路径，候选路径可以是历史时间最短 或距离最短，用户根据需要从候选路径中选择一条最佳路径。对于每条候选路径，加权计算 基于历史交通模式的路径行程时间Th和基于默认交通模式的路径行程时间Td，具体方法为：\n[0126] 加权计算基于历史交通模式的路径行程时间的方法为:对于每条候选路径，根据 设置的交通参数结合候选路径中的路段链，查找匹配的历史交通模式，进一步获得该候选 路径的所有路段链的道路拥堵级别，再根据路段链的道路拥堵级别获得相应的路段链的车 辆平均行驶速度^，最后计算出每条路段链i的行程时间tfU/R，则基于历史交通模式的 路径行程时间Th为：\nU为路段链i的距离，η为一条候选路径中路段链的条数。\n[0127] 加权计算基于默认交通模式的路径行程时间的方法为:对于每条候选路径，根据 设置的交通参数结合候选路径中的路段链，查找匹配的默认交通模式，进一步获得该候选 路径的所有路段链的道路拥堵级别，再根据路段链的道路拥堵级别获得相应的路段链的车 辆平均行驶速度^，最后计算出每条路段链i的行程时间U ' = U/Vl '，则基于默认交通模式\n的路径行程时间Td为： η为一条候选路径中路段链的条数。 9\n[0128] 最后计算每条候选路径的预测行程时间Τ，计算公式为:TiaTh+eTd;其中，α和β采 用经过所述步骤四调整后的值。\n[0129] 所有的候选路径的预测行程时间Τ都计算完成后，在候选路径中选择一条预测行 程时间最短的路径作为推荐路径，该路径的预测行程时间即为最终的路径预测行程时间。\n[0130] 步骤六:如果在行车过程中发生了突发交通事故或临时交通管制，需要调整最佳 路径的实时权值和交通模式，则重新选择最佳路径，并预测剩下路径行程时间。重新选择最 佳路径指重新选择与当前路段Α相邻且负相关的路段Β，即满足Co(A，B)〈l。\n[0131] 上述进行历史交通模式和默认交通模式的匹配过程中，路段平均行驶速度是指： 定义每一道路拥堵级别车辆的平均行驶速度为道路拥堵级别的平均速度范围的中间值，具 体为:9级拥堵级别车辆的平均行驶速度为2.5km/h，8级拥堵级别车辆的平均行驶速度为 8km/h，7级拥堵级别车辆的平均行驶速度为13km/h，6级拥堵级别车辆的平均行驶速度为 16km/h，5级拥堵级别车辆的平均行驶速度为23km/h，4级拥堵级别车辆的平均行驶速度为 28km/h，3级拥堵级别车辆的平均行驶速度为33km/h，2级拥堵级别车辆的平均行驶速度为 38km/h，l级拥堵级别车辆的平均行驶速度为50km/h，0级表示畅通，由于城区速度受限，0级 拥堵级别车辆的平均行驶速度定义为60km/h。\n[0132] 依据上面的方法，如果需要对城市路网中从0点到D点的行程时间进行预测，可列 出0点到D点的不同路径，各路径对应着一系列的路段链和不同时段的行程时间总和，在行 程时间总和的比较中，选择行程时间最少的一条路径作为最佳路径。此方法不仅考虑了路 段的交通流也考虑了不同时刻、季节、气候等因素的影响，因而实际应用效果更佳。\n[0133]以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形 也应视为本发明的保护范围。